【摘要】：為了避免基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的主軸熱誤差模型精度低、通用性不強(qiáng)和收斂性較差等缺點(diǎn),利用模糊聚類理論與相關(guān)分析法對(duì)溫度變量進(jìn)行優(yōu)化,并且選取熱敏感點(diǎn)以挖掘溫度變量與熱誤差間的相關(guān)性,降低溫度變量間的耦合性.利用粒子群優(yōu)化算法(PSO)將預(yù)測(cè)輸出與期望輸出間誤差平方和的倒數(shù)作為個(gè)體適應(yīng)度函數(shù),將個(gè)體頭部分與身體部分的表現(xiàn)碼分別映射為網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)、權(quán)值和閾值,實(shí)現(xiàn)了對(duì)BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的有效優(yōu)化,通過跟蹤個(gè)體極值和全局極值實(shí)現(xiàn)了粒子群個(gè)體速度與位置的更新.分別建立了基于BP和PSO-BP網(wǎng)絡(luò)的熱誤差模型,以精密坐標(biāo)鏜床主軸為研究對(duì)象,采用五點(diǎn)法對(duì)高速主軸熱誤差進(jìn)行測(cè)量.結(jié)果表明,PSO-BP模型可實(shí)現(xiàn)不同工況下主軸空間位姿狀態(tài)的高精度預(yù)測(cè),驗(yàn)證了測(cè)量及建模方法的有效性.
[Abstract]:In order to avoid the shortcomings such as low accuracy, poor generality and poor convergence of the spindle thermal error model based on back-propagation (BP) neural network, the fuzzy clustering theory and correlation analysis are used to optimize the temperature variables. In order to reduce the coupling between the temperature variables and the temperature variables, the correlation between the temperature variables and the thermal errors is excavated by selecting the heat sensitive points. Using particle swarm optimization (PSO) algorithm, the reciprocal of square sum of error between predictive output and expected output is taken as individual fitness function, and the performance codes of individual head part and body part are mapped to the number of hidden layer nodes, weights and thresholds of the network, respectively. The topology of BP network is optimized effectively, and the individual velocity and position of PSO are updated by tracking individual extremum and global extremum. The thermal error models based on BP and PSO-BP networks are established respectively. Taking the spindle of precision coordinate boring machine as the research object, a five-point method is adopted to measure the thermal error of high-speed spindle. The results show that the PSO-BP model can be used to predict the spatial position and attitude of the spindle under different working conditions, and the validity of the measurement and modeling method is verified.
【作者單位】： 西安交通大學(xué)機(jī)械制造系統(tǒng)工程國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家科技重大專項(xiàng)資助項(xiàng)目(2014ZX04001051-07) 國(guó)家自然科學(xué)基金創(chuàng)新群體項(xiàng)目(51421004) 中國(guó)博士后科學(xué)基金特別資助項(xiàng)目(2014T70910)
【分類號(hào)】：TG502

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 陳杰;敘述禮;;基于粒子群算法的多質(zhì)量特性下的選裝優(yōu)化方法研究[J];中國(guó)機(jī)械工程;2013年18期

2 姜萬錄;梁建全;王益群;王靜;;基于改進(jìn)粒子群算法的軋制負(fù)荷分配優(yōu)化[J];機(jī)床與液壓;2011年03期

3 李麗;王國(guó)勛;舒啟林;王軍;;加工參數(shù)優(yōu)化中自適應(yīng)協(xié)同粒子群算法研究[J];工具技術(shù);2014年04期

4 郝培鋒;商景波;薛定宇;;基于粒子群算法的冷連軋張力優(yōu)化計(jì)算[J];鋼鐵研究學(xué)報(bào);2014年06期

5 徐劍;林獻(xiàn)坤;韓世卓;;基于粒子群算法的雙工位切削參數(shù)優(yōu)化[J];制造業(yè)自動(dòng)化;2011年17期

6 熊慧;李大衛(wèi);;兩階段法求解1.5維切割問題[J];機(jī)械設(shè)計(jì)與制造;2007年11期

7 陽(yáng)劍;孟紅記;紀(jì)振平;謝植;;基于混沌粒子群算法的連鑄傳熱模型參數(shù)辨識(shí)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

8 任會(huì)禮;王沖;鐘懿;周浩;鄧創(chuàng)華;;基于改進(jìn)粒子群算法的高強(qiáng)鋼Y-U本構(gòu)模型參數(shù)反演[J];機(jī)械強(qiáng)度;2014年04期

9 ;[J];;年期

相關(guān)碩士學(xué)位論文 前4條

1 王偉;大型螺紋旋風(fēng)硬銑削數(shù)值模擬及工藝參數(shù)優(yōu)化[D];浙江大學(xué);2016年

2 崔永華;基于粒子群算法的混合裝配線計(jì)劃調(diào)度系統(tǒng)研究[D];南京航空航天大學(xué);2009年

3 李明皓;基于混合離散粒子群算法的焊接機(jī)器人路徑規(guī)劃[D];華東理工大學(xué);2014年

4 彭超;基于粒子群算法的立式淬火爐傳感器優(yōu)化配置研究[D];中南大學(xué);2014年

，

本文編號(hào)：2216420